2020年7月4日 机器视觉与计算机视觉技术

计算机视觉在钢铁夹杂物分析中的应用研究

夹杂物是炼钢过程中不可避免的副产品。由不同的化学反应和过程产生的微观粒子在尺寸、形状和成分上有很大的差异,对钢的材料性能有重要的影响。一个多世纪以来,夹杂物一直是工业界关注的焦点,在生产环境和学术研究中也是如此。

卡内基梅隆大学材料科学与工程学(MSE)教授布莱恩·韦伯勒(Bryan Webler)表示:“夹杂物是一些微小的颗粒始终漂浮在钢中,”。固相夹杂物会聚在一起,堵塞喷嘴和其他控制钢水流动的流量控制系统。一些夹杂物化学成分会降低钢的延展性、抗疲劳性或整体韧性。 “它们会影响钢材的最终性能,这就是我们如此关心它们的原因。”

韦伯勒和MSE教授利兹·霍尔姆(Liz Holm)转向了计算机视觉和机器学习技术来研究钢夹杂物,目的是使分析表征微观颗粒的速度更快、成本更低。他们在钢铁技术协会的2019年会议上分享了他们的初步研究。

夹杂物分析通常依赖于两个输入:来自扫描电子显微镜的图像,通过分析这些图像获取尺寸、形状和位置的信息,以及能量色散光谱(EDS)来识别化学成分。在生产环境中,需要训练有素的冶金学家几个小时才能鉴定出钢样品中的夹杂物。

通过计算机视觉将特征分为夹杂物或非夹杂物的代表性扫描电子显微镜(SEM)图像。

不过,缩短这一周转时间可能会让炼钢企业更严格地控制产品质量和原材料的使用。以钙疗法为例,这是韦伯勒研究的另一个重点。可以在熔体中加入钙以形成钙铝酸盐,将固体氧化铝夹杂物转化为液滴,从而降低堵塞喷嘴的风险。但是,添加过多的钙会形成不良的固体硫化钙夹杂物。通过有关夹杂物的数量信息,操作员可以调整添加的钙量以达到正确的水平。硫化钙包裹体形成了吗?调低钙。氧化铝过多?添加更多。进行此分析的速度会影响物料成本和工艺性能的运营底线。

计算机视觉是一种依赖于机器学习的高级图像处理技术,它正变得无处不在:从智能手机上的面部识别到将旧的书面作品转换为数字文本的字符分析。材料科学中越来越多地使用计算机视觉和机器学习。 Holm已使用这些技术对碳纳米管进行分类,预测应力热点并表征用于3D打印的粉末原料。霍尔姆说,包含分析是一个充满图像的区域,自然很适合计算机视觉。

计算机视觉可能能够以多种方式改善夹杂物的分析方式。

 首先,在扫描电子显微镜图像中总是存在非夹杂物(例如灰尘,孔洞,划痕),这些杂物会被错误地检测为夹杂物(假阳性)。即使分类正确,分析误报对于EDS系统仍是浪费时间,将其过滤掉将加快流程。此外,如果仅凭计算机视觉就可以仅通过扫描电子显微镜图像确定夹杂物的化学成分,就可以完全消除EDS,从而减少设备和人工成本。

然而,对Webler更具吸引力的想法是,计算机视觉可以阐明有关内含物的未知信息。在其他领域,计算机视觉已经能够产生人类解释看不见的见解。


Bryan Webler展示了使用SEM进行夹杂物分析

霍尔姆认为:“计算机视觉系统可以在视网膜图像中“看到”诸如年龄,性别甚至是心脏病危险因素的特征。 “以前没有眼科医生通过观察人眼发现任何这些特征。通过放宽对包含物图像的计算机视觉,团队希望可以通过图像中错综复杂的差异来学习,以发现新的见解,从而了解夹杂物中可能隐藏的内容。

韦伯勒和霍尔姆的初步研究结果令人鼓舞。通过他们分析的扫描电子显微镜图像,他们以98%的准确率确定了一个特征是否还有夹杂物。将计算机视觉集成到当前的系统中,过滤掉不包含的内容,这可能会节省EDS扫描的时间。区分每个特征是否包含夹杂物,他们的算法耗时70毫秒。使用EDS进行同样的测定需要超过14倍的时间(大约1000毫秒)。

尽管这项工作仍处于初期阶段,但Webler对其团队的方法以及最终如何对行业产生积极影响感到乐观。

目前我们经常听到了很多有关大数据,工业4.0以及所有这些方面的信息,但是这些技术在很多方面仍然是不透明的。但是在这个研究案例中,我们可以看到机器学习技术以这种特定方式应用时效果。

Banner
Related Posts

英伟达Jetson Nano定位于大众市场机器学习

2019年3月20日

2019年3月20日

GPU巨头英伟达(Nvidia)发布了用于大众市场产品的微型人工智能电脑Jetson Nano。

掌握计算机视觉开发技能的8个步骤

2019年8月5日

2019年8月5日

在与几位致力于人工智能和计算机视觉项目的开发人员交谈之后,我提出了八个步骤,成为一名出色的计算机视觉开发人员。但是,在深入研究每个步骤之前,让我们看一下计算机视觉技术最适合的案例:

为什么数据科学在高级图像识别中很重要?

2020年1月17日

2020年1月17日

由于视觉和语音是两个至关重要的人类交互元素,数据科学能够利用计算机视觉和语音识别技术来模拟这些人类任务。即使它已经开始模仿和杠杆在不同的领域,特别是在电子商务部门。机器学习的进步和高带宽数据服务的使用增强了图像识别的应用。

图像分类和目标检测技术有什么区别?

2020年5月20日

2020年5月20日

图像分类和目标检测技术是计算机视觉领域的重要研究方法。这些技术帮助机器理解和识别实时对象和环境,帮助数字图像作为输入。多年来,计算机视觉技术已经被应用于多个领域,包括医疗保健、制造业、零售业等等。

视觉系统在零售业4.0中的作用

2020年1月6日

2020年1月6日

技术在零售购物中扮演着越来越重要的角色,这一发展被称为零售4.0。我们来看看计算机视觉是如何推动这场革命的。

增强的机器人“视觉”能够与人类进行更自然的互动

2019年5月9日

2019年5月9日

在伦斯勒理工学院(Rensselaer Polytechnic Institute)的智能系统实验室里,一个名叫Pepper motors的机器人睁大了眼睛,说话轻声细语。其中一名研究人员对“小辣椒”进行了测试,当“小辣椒”准确描述自己在做什么的时候,它会做出各种各样的手势。当他交叉双臂时,机器人从他的肢体语言中识别出有什么不对劲。

最全分类!计算机视觉的图像标注类型及应用

2019年10月9日

2019年10月9日

计算机视觉的图像标注种类繁多,应用也不尽相同。想知道各种标注技术的效果吗?一起来看看它们在计算机视觉方面的应用和独特的案例吧!

图像识别没你想的那么难!看完这篇你也能成专家

2019年6月2日

2019年6月2日

本地生活场景中包含大量极富挑战的计算机视觉任务,如菜单识别,招牌识别,菜品识别,商品识别,行人检测与室内视觉导航等。

CV不只是安防,一文读懂计算机视觉产业链全局

2019年10月31日

2019年10月31日

作为计算机科学的分支,如今计算机视觉(Computer Vision,简称CV)已成为人工智能重要研究领域和发展方向,逐渐形成完整的产业链。

阴影检测系统让自动驾驶汽车看到周围的角落

2019年10月30日

2019年10月30日

通过分析地面阴影的变化,无人驾驶汽车可以预测何时有车辆或行人从拐角处经过。

推动计算机视觉和视觉AI发展的四大关键趋势

2019年5月14日

2019年5月14日

本文讨论了推动视觉应用快速发展和影响行业未来的关键趋势,解释了这些趋势背后的推动因素,并强调了对技术供应商、解决方案开发者和最终用户的关键影响。

英特尔深度学习工具包OpenVINO

2019年3月5日

2019年3月5日

OpenVINO包括英特尔的深度学习部署工具包,其中包括一个模型优化器,可以从许多框架(Caffe,Tensoflow,MxNet,ONNX,Kaiai)导入和训练模型。

从摄像机到云端:计算机视觉如何将数据转化为行动

2020年1月8日

2020年1月8日

商业上的成功通常归结为根据突然的市场变化做出快速决策。计算机视觉(一种在AI领域中崛起的快速技术),可以帮助商用机构和其他企业才做到这一点。

计算机视觉软件市场的最新趋势

2018年8月9日

2018年8月9日

计算机视觉软件正在改变各个行业,不仅使消费者的生活更容易,而且让人产生兴趣。作为一个领域,计算机视觉已经获得了大量的宣传和投资。北美计算机视觉软件市场总投资额为1.2亿美元,而中国市场则飙升至39亿美元。

计算机视觉究竟是个怎样的行业?

2019年6月20日

2019年6月20日

5月1日外媒消息,微软刚刚发布了 Windows Vision Skills 的预览版本,是一个 NuGet 包集合。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注